Publicado:
2018-12-31Número:
Vol. 6 Núm. 2 (2018): julio-diciembreSección:
InvestigaciónPrototipo de un modelo clasificador para la toma de decisiones a partir de la percepción actual de la seguridad en Bogotá
Prototype of a classification model for decision making based on the current perception of security in Bogotá
Palabras clave:
delincuencia, clustering, minería de datos, algoritmo k-means, patrones delictivos (es).Palabras clave:
delinquency, clustering, data mining, k-means algorithm, crime patterns (en).Descargas
Resumen (es)
Este artículo describe la metodología y los resultados obtenidos al analizar un conjunto de datos recolectados con el objetivo de determinar las posibles causas de mayor relevancia en los actos delictivos de Bogotá; se busca clasificar la información pertinente para obtener información adicional, necesaria en algunos planes sociales, dando ventaja a la hora de incorporar medidas preventivas contra robos o cualquier situación de delincuencia en cada una de las localidades de la ciudad. Como herramienta principal se incorpora la minería de datos, que permite obtener patrones por medio de la clasificación de información relacionada con la criminalidad; se toma como base el modelo de clustering y el algoritmo k-means para realizar minería de datos, posteriormente se evalúan factores o patrones que a simple vista no son perceptibles para identificar las causas de este tipo de actos delictivos. Finalmente, se analizan datos concluyentes del proceso de clustering y se presentan algunas soluciones para el problema de la delincuencia en Bogotá.
Resumen (en)
This paper describes the methodology and results obtained by analyzing a set of data collected in order to determine possible causes that are most relevant in Bogota’s criminal acts. The relevant information is classified to obtain additional information, necessary in some social programs, giving an advantage when incorporating preventive measures against theft or any crime situation in each of the city’s locations. As a main tool, datamining is incorporated, which allows obtaining patterns through the classification of information related to crime; the clustering model and the k-means algorithm are used as a basis to carry out datamining; later, factors or patterns that at first sight are not perceptible to identify the causes of such criminal acts are evaluated. Finally, clustering process conclusive data is analyzed and some solutions for the problem of delinquency in Bogota are presented.
Referencias
Rivas, A. (s.f.). Una década de políticas de seguridad ciudadana en Colombia. Fundación Seguridad y Democracia. Recuperado de http://pdba.georgetown.edu/Security/citizensecurity/Colombia/evaluaciones/decadapoliticas.pdf
Política Nacional de Seguridad y Convivencia Ciudadana. (2011). Alta Consejería Presidencial para la Convivencia y la Seguridad Ciudadana. Departamento Nacional de Planeación Dirección de Justicia, Seguridad y Gobierno. Recuperado de https://colaboracion.dnp.gov.co/CDT/Justicia%20Seguridad%20y%20Gobierno/PNSCC%20FINAL%20 AGO%202011.pdf
Arriagada, I. y Godoy, L. (1999). Seguridad ciudadana y violencia en América Latina: diagnóstico y políticas en los años noventa. Políticas Sociales, 32. Recuperado de https://repositorio.cepal.org/bitstream/handle/11362/6263/S998552_es.pdf
El Tiempo (s.f.). Inseguridad en Bogotá. El Tiempo. Recuperado de http://www.eltiempo.com/noticias/ inseguridad-en-bogota
Aluja, T. (2001). La minería de datos, entre la estadística y la inteligencia artificial. Qüestiió, 25(3). 479-498.
Virseda, F. y Román, J. (s.f.). Minería de datos y aplicaciones. Madrid: Universidad Carlos III.
Vallejo, D. y Tenelanda, G. (2012). Minería de datos aplicada en detección de intrusos. Ingenierías USBMed, 3(1), 50-61. Recuperado de http://web.usbmed.edu.co/usbmed/fing/v3n1/v3n1a6.pdf
Perversi, I. (2007) Aplicación de mineria de datos para la exploración y detección de patrones delictivos en Argentina. (Trabajo de grado). Buenos Aires: Instituto Tecnológico de Buenos Aires.
Jiménez, J. (s.f.). Análisis de datos. Madrid: Universidad Carlos III. [10] Wanummen, L. (2010). Minería de datos para la predicción. Vínculos, 7(2), 44-57.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
Reconocimiento – NoComercial – CompartirIgual (by-nc-sa): No se permite el uso comercial de la obra original, las obras derivadas deben circular con las mismas condiciones de esta licencia realizando la correcta atribución al autor.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional